交通流预测与OD估计双层规划模型
|
摘要
随着经济的发展,交通流量的增长与现有道路状况之间的矛盾日益突出,已经成为制约城市经济发展的主要因素之一。研究交通流预测模型有利于交通控制与决策,是智能交通系统发挥作用的前提。OD(Origin-Destination)估计是运输网络规划和管理的步骤之一。研究OD估计为获得OD矩阵这种代价高昂而意义重大的交通需求信息提供了有效的手段。本文研究的工作主要有以下两部分:
在交通流预测部分,针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高。结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测。
在OD估计双层规划模型中,采用了OD反推的思想作为建模的统一理论基础,相对于大多数采用最小二乘法与随机用户均衡相结合的方法,本文使用了极大熵修正模型与基于Logit的随机用户均衡(SUE)模型建立双层规划模型,以极大熵修正模型作为上层规划能很好地利用到过去的OD出入行信息的,基于Logit的SUE模型作为下层规划能反映人们出行的随机性。在此基础上对基于Logit的SUE模型进行改进,比较以往的文献,本文综合考虑了拥挤网络,多类型用户及其相互间的作用,弹性需求等因素,使建立的双层规划模型比以往同类模型更能反映实际问题。同时,引入迭代优化分配(IOA)算法给出了求解该模型的算法,通过一个算例验证了模型的可行性,因此可认为本文所建立模型能较好地解决OD估计问题。
With the development of economy,the contradiction between the growth of traffic volume and the road condition is becoming prominent,which has greatly restricted the development of social economy.The research of traffic prediction model can benefit the control and decision,and become the precondition of Intelligent Transportation System.Origin-Destination estimation,as one of the process in making transportation net programming and managing,can reduce the effort needed for frequent large scale Origin-Destination surveys.This thesis consists mainly of two parts:
In the traffic prediction part,based on the analysis of the characteristics of real traffic system and traffic flow,which are complex,nonlinear and noise,a new approach is proposed for traffic flow prediction.Firstly wavelet transform is employed to eliminate the noise of observed data in order to reflect the essence of traffic flow.Then a hybrid methodology is proposed that exploits the unique strength of the ARIMA model and the SVM model in forecasting traffic flow with the worked data.Finally,numerical examples are given on the field to testify the precision of the model.Results show that the hybrid model,which takes advantage of the unique strength of the two models in linear and nonlinear model,can produce more accurate predictions than that of single model;the hybrid model that uses the method of is more efficient and reliable.The hybrid model based on wavelet denoising can be an efficient method to the short-term traffic flow prediction.
In the Origin-Destination estimation part,a bi-level programming model is used to describe the public transit network.The upper optimization model which using the EM(Maximum Entropy) model can make use of the old OD matrix.The lower optimization model programming model use the improved SUE(Stochastic User Equilibrium) model which based on Logit distribution.The improved SUE model make a combined consideration of the factors like interaction among traffic modes on mixed traffic network,congested network and elastic OD demand.For the model is a NP problem,a IOA algorithm has present and an experimental research on the OD estimation based on the bi-level programming was carried out.
在交通流预测部分,针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高。结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测。
在OD估计双层规划模型中,采用了OD反推的思想作为建模的统一理论基础,相对于大多数采用最小二乘法与随机用户均衡相结合的方法,本文使用了极大熵修正模型与基于Logit的随机用户均衡(SUE)模型建立双层规划模型,以极大熵修正模型作为上层规划能很好地利用到过去的OD出入行信息的,基于Logit的SUE模型作为下层规划能反映人们出行的随机性。在此基础上对基于Logit的SUE模型进行改进,比较以往的文献,本文综合考虑了拥挤网络,多类型用户及其相互间的作用,弹性需求等因素,使建立的双层规划模型比以往同类模型更能反映实际问题。同时,引入迭代优化分配(IOA)算法给出了求解该模型的算法,通过一个算例验证了模型的可行性,因此可认为本文所建立模型能较好地解决OD估计问题。
With the development of economy,the contradiction between the growth of traffic volume and the road condition is becoming prominent,which has greatly restricted the development of social economy.The research of traffic prediction model can benefit the control and decision,and become the precondition of Intelligent Transportation System.Origin-Destination estimation,as one of the process in making transportation net programming and managing,can reduce the effort needed for frequent large scale Origin-Destination surveys.This thesis consists mainly of two parts:
In the traffic prediction part,based on the analysis of the characteristics of real traffic system and traffic flow,which are complex,nonlinear and noise,a new approach is proposed for traffic flow prediction.Firstly wavelet transform is employed to eliminate the noise of observed data in order to reflect the essence of traffic flow.Then a hybrid methodology is proposed that exploits the unique strength of the ARIMA model and the SVM model in forecasting traffic flow with the worked data.Finally,numerical examples are given on the field to testify the precision of the model.Results show that the hybrid model,which takes advantage of the unique strength of the two models in linear and nonlinear model,can produce more accurate predictions than that of single model;the hybrid model that uses the method of is more efficient and reliable.The hybrid model based on wavelet denoising can be an efficient method to the short-term traffic flow prediction.
In the Origin-Destination estimation part,a bi-level programming model is used to describe the public transit network.The upper optimization model which using the EM(Maximum Entropy) model can make use of the old OD matrix.The lower optimization model programming model use the improved SUE(Stochastic User Equilibrium) model which based on Logit distribution.The improved SUE model make a combined consideration of the factors like interaction among traffic modes on mixed traffic network,congested network and elastic OD demand.For the model is a NP problem,a IOA algorithm has present and an experimental research on the OD estimation based on the bi-level programming was carried out.
引文
[1]李丹丹.基于不确定偏好模糊决策的路径选择模型与算法[D].广州:暨南大学硕士学位论文,2006.
[2]唐丽娜,张卫华.短时交通流预测方法比较[J].交通科技与经济,2008,2.
[3]谭满春,冯荦斌,徐建闽.基于ARIMA与人工神经网络组合模型的交通流预测[J].中国公路学报,2007,20(4):118-112.
[4]Tan M.C,Wong S.C,Xu J.M.,et al.An aggregation approach to short-term traffic flow prediction.IEEE Transactions on Intelligent Transportation Systems,2009,10(1):60-69.
[5]姚智胜,邵春福,熊志华.基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究[J].中国管理科学,2007,15(1):64-68.
[6]房靖,高尚.基于支持向量机的交通事故组合预测方法研究[J].交通与计算机,2007,25(2):103-105.
[7]谭满春,李英俊,关占荣,等.周相似特性下交通流组合预测方法研究[J].计算机工程与应用,2007,43(33):193-195.
[8]马广英.OD矩阵反推策略及其在交通仿真系统中的应用[D].浙江:浙江大学博士学位论文,2006.
[9]汪莹鹤,王保田.基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型[J].公路交通科技,2008,25(6):40-43.
[10]周树孝,石炎福,余华瑞.基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测[J].石油化工,2003,32(3):224-229.
[11]李秀峰,袁鹏,邵骏,等.基于小波消噪偏最小二乘回归模型的径流预测[J].石油化工,2007,33(10):224-229.
[12]刘娟花,李福德.基于小波变换的信号去噪研究[J].西安理工大学学报,2004,20(3):289-292.
[13]彭玉华.小波变换与工程应用[M].北京:科学出版社,1999:13-93.
[14]飞思科技产品研发中心.小波分析理论与MATLAB7实现[M].北京:电子工业出版社,2005:160-170,321-361.
[15]飞思科技产品研发中心.MATLAB6.5辅助小波分析与应用[M].北京:电子工业出版社,2003:90-93,151-191.
[16]BOX G E P,JENKINS G M.Time Series Analysis,Forecasting and Control[M].San Francisco:Holden-day,1970.
[17]童明荣,薛恒新,林琳.基于季节ARIMA模型的公路交通量预测[J].公路交通科技,2008,25(1):124-128.
[18]杨一文,杨朝军.基于支持向量机的金融时间序列预测[J].系统工程理论方法应用,2005,14(2):176-181.
[19]PING-FENG PAI,CHIH-SHENG LIN.A hybrid ARIMA and support vector machine model in stock price forecasting[J].Omega,2005(33):497-505.
[20]薛薇.SPSS统计分析方法及应用[M].北京:电子工业出版社,2004:402-474.
[21]Chih-Chung Chang,Chih-Jen Lin.LIBSVM:a library for support vector machines[M].http://www.csie.ntu.edu.tw/～cjlin.2001.
[22]贾存良,吴海山,巩敦卫.煤炭需求量预测的支持向量机模型[J].中国矿业大学学报,2007,36(1):107-110.
[23]孙德山,吴今培,候振挺,等.基于SVR的混沌时间序列预测[J].计算机工程与应用,2004,2(54):54-56.
[24]张会娜.基于信任系数的双层规划OD矩阵估计模型与算法研究[D].上海:同济大学硕士学位论文,2008.
[25]周晶,陈森发,徐南荣.均衡交通状态下OD矩阵的估计方法[J].信息与控制,1993,22(2):71-74.
[26]尹娟,卓知学.交叉口OD量推算方法的研究[J].东北公路,2000,23(1):81-82.
[27]黄海军.由路段交通量推算OD阵的EM和IM模型[J].系统工程,1993,11(5):53-56.
[28]王炜,孙俊.大型交通网络OD矩阵推算方法研究[J].东南大学学报(自然科学版),1996,26(6A):47-54.
[29]陆化普,黄海军.交通规划理论研究前沿[M].北京,清华大学出版社,2007.
[30]黎新华,侯桂荣,莫辉辉,邓连波.容量限制的交通分配优化方法研究[J].中南公路工程,2005,30(4):116-117.
[31]黄海军,顾昌耀.Fisk随机配流模型的特性和参数校正[J].系统科学与数学,1997,17(4):376-380.
[32]陈晶峰.OD矩阵估计在区域交通分析中的应用[J]。城市道桥与防洪,2008,11(11):19-21.
[33]史峰,付印平.拥挤网络中的OD矩阵估计模型与算法[J].长沙铁道学院学报,2001,19(4):22-24.
[34]安梅,高自友,杨璐.OD需求估计的双层规划模型及基于灵敏度分析的求解算法[J].中国管理科学,2000,8(3):13-17.
[35]安梅,高自友.模式间相互影响时估计OD需求的双层规划模型及求解算法[J].系统工程理论与实践,2001,4:36-38.
[36]安梅,高自友.OD需求估计的多模式双层规划模型新算法[J].公路交通科技,1999,16(4):56-58.
[37]王正武,黄中祥,况爱武,罗大庸.OD估计双层规划扩展模型[J].数学实践与认识,2006,36(1):143-144.
[38]罗文昌,袁春华.弹性需求下的随机用户平衡模型及求解算法[J].重庆交通学院学报,2003,22(3):101-109.
[39]刘海旭,蒲云.多类型弹性需求随机用户平衡分配模型[J].系统工程理论方法应用,2005,14(2):159-160.
[40]四兵锋,高自友.多模式的城市混合交通均衡配流模型及算法[J].公路交通科技,1999,16(1):45-47.
[41]刘安,杨佩昆.混合交通均衡配流模型及其算法的研究[J].公路交通科技,1996,3:21-28.
[2]唐丽娜,张卫华.短时交通流预测方法比较[J].交通科技与经济,2008,2.
[3]谭满春,冯荦斌,徐建闽.基于ARIMA与人工神经网络组合模型的交通流预测[J].中国公路学报,2007,20(4):118-112.
[4]Tan M.C,Wong S.C,Xu J.M.,et al.An aggregation approach to short-term traffic flow prediction.IEEE Transactions on Intelligent Transportation Systems,2009,10(1):60-69.
[5]姚智胜,邵春福,熊志华.基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究[J].中国管理科学,2007,15(1):64-68.
[6]房靖,高尚.基于支持向量机的交通事故组合预测方法研究[J].交通与计算机,2007,25(2):103-105.
[7]谭满春,李英俊,关占荣,等.周相似特性下交通流组合预测方法研究[J].计算机工程与应用,2007,43(33):193-195.
[8]马广英.OD矩阵反推策略及其在交通仿真系统中的应用[D].浙江:浙江大学博士学位论文,2006.
[9]汪莹鹤,王保田.基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型[J].公路交通科技,2008,25(6):40-43.
[10]周树孝,石炎福,余华瑞.基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测[J].石油化工,2003,32(3):224-229.
[11]李秀峰,袁鹏,邵骏,等.基于小波消噪偏最小二乘回归模型的径流预测[J].石油化工,2007,33(10):224-229.
[12]刘娟花,李福德.基于小波变换的信号去噪研究[J].西安理工大学学报,2004,20(3):289-292.
[13]彭玉华.小波变换与工程应用[M].北京:科学出版社,1999:13-93.
[14]飞思科技产品研发中心.小波分析理论与MATLAB7实现[M].北京:电子工业出版社,2005:160-170,321-361.
[15]飞思科技产品研发中心.MATLAB6.5辅助小波分析与应用[M].北京:电子工业出版社,2003:90-93,151-191.
[16]BOX G E P,JENKINS G M.Time Series Analysis,Forecasting and Control[M].San Francisco:Holden-day,1970.
[17]童明荣,薛恒新,林琳.基于季节ARIMA模型的公路交通量预测[J].公路交通科技,2008,25(1):124-128.
[18]杨一文,杨朝军.基于支持向量机的金融时间序列预测[J].系统工程理论方法应用,2005,14(2):176-181.
[19]PING-FENG PAI,CHIH-SHENG LIN.A hybrid ARIMA and support vector machine model in stock price forecasting[J].Omega,2005(33):497-505.
[20]薛薇.SPSS统计分析方法及应用[M].北京:电子工业出版社,2004:402-474.
[21]Chih-Chung Chang,Chih-Jen Lin.LIBSVM:a library for support vector machines[M].http://www.csie.ntu.edu.tw/～cjlin.2001.
[22]贾存良,吴海山,巩敦卫.煤炭需求量预测的支持向量机模型[J].中国矿业大学学报,2007,36(1):107-110.
[23]孙德山,吴今培,候振挺,等.基于SVR的混沌时间序列预测[J].计算机工程与应用,2004,2(54):54-56.
[24]张会娜.基于信任系数的双层规划OD矩阵估计模型与算法研究[D].上海:同济大学硕士学位论文,2008.
[25]周晶,陈森发,徐南荣.均衡交通状态下OD矩阵的估计方法[J].信息与控制,1993,22(2):71-74.
[26]尹娟,卓知学.交叉口OD量推算方法的研究[J].东北公路,2000,23(1):81-82.
[27]黄海军.由路段交通量推算OD阵的EM和IM模型[J].系统工程,1993,11(5):53-56.
[28]王炜,孙俊.大型交通网络OD矩阵推算方法研究[J].东南大学学报(自然科学版),1996,26(6A):47-54.
[29]陆化普,黄海军.交通规划理论研究前沿[M].北京,清华大学出版社,2007.
[30]黎新华,侯桂荣,莫辉辉,邓连波.容量限制的交通分配优化方法研究[J].中南公路工程,2005,30(4):116-117.
[31]黄海军,顾昌耀.Fisk随机配流模型的特性和参数校正[J].系统科学与数学,1997,17(4):376-380.
[32]陈晶峰.OD矩阵估计在区域交通分析中的应用[J]。城市道桥与防洪,2008,11(11):19-21.
[33]史峰,付印平.拥挤网络中的OD矩阵估计模型与算法[J].长沙铁道学院学报,2001,19(4):22-24.
[34]安梅,高自友,杨璐.OD需求估计的双层规划模型及基于灵敏度分析的求解算法[J].中国管理科学,2000,8(3):13-17.
[35]安梅,高自友.模式间相互影响时估计OD需求的双层规划模型及求解算法[J].系统工程理论与实践,2001,4:36-38.
[36]安梅,高自友.OD需求估计的多模式双层规划模型新算法[J].公路交通科技,1999,16(4):56-58.
[37]王正武,黄中祥,况爱武,罗大庸.OD估计双层规划扩展模型[J].数学实践与认识,2006,36(1):143-144.
[38]罗文昌,袁春华.弹性需求下的随机用户平衡模型及求解算法[J].重庆交通学院学报,2003,22(3):101-109.
[39]刘海旭,蒲云.多类型弹性需求随机用户平衡分配模型[J].系统工程理论方法应用,2005,14(2):159-160.
[40]四兵锋,高自友.多模式的城市混合交通均衡配流模型及算法[J].公路交通科技,1999,16(1):45-47.
[41]刘安,杨佩昆.混合交通均衡配流模型及其算法的研究[J].公路交通科技,1996,3:21-28.